A IA pode dizer se você seguirá seu treino? O novo estudo afirma que pode acontecer

Atuar a rotina de um exercício é um desafio que enfrenta muitas pessoas. Mas a equipe de pesquisa do Mississippi está usando o aprendizado de máquina para usar o University Machine Learning, que está comprometido com os indivíduos para seus treinos.

Team-Sangbak Lee e Ju-Pill Choi, ambos estudantes de doutorado educação físicaE Meno Kang, professor de análise esportiva no Departamento de Saúde, Exercício de Ciências e Entretenimento, para adivinhar se uma pessoa está cumprindo as diretrizes de atividade física com base em sua medição corporal, demografia e estilo de vida.

Ele examinou dados de cerca de 30.000 pesquisas. Para classificar rapidamente através de conjuntos de dados tão grandes, eles são alterados aprendizado de máquinaUma maneira de identificar padrões e usar computadores para fazer previsões com base nas informações.

Resultados do grupo, Publicado Em Relatório CientíficoNo tempo, disse Kang.

Ele disse: “A atividade física das diretrizes é uma preocupação de saúde pública, porque em relação à prevenção da doença e à relação dos padrões gerais de saúde”, disse ele. “Queríamos usar técnicas analíticas avançadas de dados como o aprendizado de máquina para prever esse comportamento”.

Parte do Departamento de Saúde e Serviços Humanos dos EUA, a prevenção da doença e o aprimoramento da saúde, sugere que os adultos devem ter como alvo pelo menos 150 minutos de exercício moderado, ou 75 minutos de exercícios fortes, a cada semana como parte de um estilo de vida saudável.

Pesquisas sugerem que a atividade física média dos EUA gasta apenas duas horas por semana – metade das quatro horas recomendadas pelo Centro de Controle e Prevenção de Doenças.

Li, Cho e Kang usaram dados públicos de uma pesquisa patrocinada pelo governo, Pesquisa Nacional de Exames de Saúde e Nutrição, cobrindo 2009-18.

“Temos como objetivo usar o aprendizado de máquina para adivinhar se as pessoas seguem Diretrizes de atividade física Com base nos dados do questionário e encontre a melhor combinação de variáveis ​​para previsões precisas “, disse Choe, os principais autores do estudo”. Variáveis ​​demográficas como gênero, idade, raça, status educacional, Estado civil E com medidas antropológicas, como renda, IMC e perímetro da cintura, foi considerado. , Assim,

Os pesquisadores também consideraram Estilo de vida Ele disse que consumo de álcool, tabagismo, emprego, padrões de sono e um comportamento indiferente para entender seus efeitos na atividade física de uma pessoa.

Os resultados mostraram que três principais fatores-Someone estão sentados, seu sexo e quanto tempo é gasto em seu nível de educação-todos são vistos constantemente no modelo que realiza que prevê hábitos de exercício, mesmo que cada modelo identifique diferentes variáveis ​​como significativas.

Segundo CHO, esses fatores são particularmente importantes para entender que é mais provável que seja ativo e socialmente conectado, e eles podem ajudar a direcionar futuras recomendações de saúde.

“Eu esperava que fatores como gênero, IMC, raça ou idade fossem importantes para nossos modelos de previsão, mas me perguntei o quão importante era a situação educacional”, disse ele. “Embora fatores como o pênis, o IMC e a idade sejam mais confortáveis ​​para o corpo, a condição educacional é um fator externo”.

Durante a análise, os pesquisadores excluíram dados de pessoas com algumas doenças e reações, que estavam faltando dados de atividade física. Ele deu os dados relevantes a 11.683 participantes.

Os pesquisadores dizem que o aprendizado de máquina lhes dá mais liberdade para estudar dados. Os métodos mais antigos esperam que as coisas sigam um padrão linear e não funcionam bem quando algumas informações são muito semelhantes.

Eles não têm limites no aprendizado de máquina, para que isso possa obter um padrão com mais flexibilidade.

“Um intervalo de nosso estudo estava usando dados temáticos de atividade física, onde os participantes recordaram sua atividade da memória”, disse Cho. “As pessoas reduzem sua atividade física ao usar o questionário; portanto, mais preciso, o objetivo melhorará a credibilidade dos estudos de dados”.

Por causa disso, os pesquisadores dizem que podem usar um método semelhante para pesquisas futuras no campo, mas podem detectar vários fatores, incluindo suplementos alimentares Usando mais algoritmos de aprendizado de máquina ou confiar em dados objetivos em vez de informações autorreferidas.

Isso pode ajudar treinadores e consultores de fitness a produzir regimes de exercícios que podem viver juntos por uma longa corrida.